在 Princeton 发布 SWE-Bench 之后，用真实世界代码仓库+可执行测试评测大模型软件工程能力，几乎已成为学术界与工业界的共识。围绕 SWE issue 的评测范式迅速发展，也催生了一系列 SWE 系列 benchmark，在刻画模型 bug 修复能力方面发挥了重要作用。但真实的软件工程实践并不止于修 bug。大量关键工作发生在 feature ...

大家好呀，这里是有猫的昭意~致力于探索最前沿的AI工具，紧跟时代步伐，不落后、不到退、不原地踏步！ Vibe Coding爆火！不用敲代码也能编程？大白话拆解，小白也能懂 最近开发者圈，被一个新词彻底刷屏了——Vibe ...

随着“Vibe Coding”（即通过自然语言指令快速生成大量代码）的兴起，程序员的开发速度虽大幅提升，但也带来了逻辑漏洞和安全隐患。为此，Anthropic 正式推出了一款名为 Code Review 的 AI 代码审计工具，旨在为企业提供自动化的“专家级”反馈。

假设有一台智能设备，它可以一天自动盖一栋三层小楼，那么我们能否认为它可以30多天盖一座100层的摩天楼呢？ 现在就是AI vibecoding几个小时就完成了几万行代码的项目，质量还不错，于是我们能否乐观地认为AI几百个小时就可以完成几百万行代码的项目，并且质量也还不错 很多人认为，AI coding产出可以随时间线性增长，多个AI ...